Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Predykcyjne A1c na podstawie danych CGM przy użyciu danych CGM (A1c)

26 września 2021 zaktualizowane przez: Goran Petrovski, Sidra Medical and Research Center

Przewidywanie A1c na podstawie danych CGM poprzez zastosowanie metod uczenia maszynowego

Wstęp. Hemoglobina A1C (HbA1c) odzwierciedla średni poziom glukozy we krwi z ostatnich dwóch do trzech miesięcy. Ostatnie postępy w technologii czujników ułatwiają codzienne monitorowanie poziomu glukozy we krwi za pomocą urządzeń CGM. Przyszłe przewidywanie HbA1C na podstawie danych z CGM ma kluczowe znaczenie dla utrzymania długoterminowego zdrowia pacjentów z cukrzycą. Wyższa niż normalna wartość HbA1c znacznie zwiększa prawdopodobieństwo wystąpienia chorób sercowo-naczyniowych związanych z cukrzycą.

Bramka. Celem tego badania jest przewidywanie HbA1c z wyprzedzeniem poprzez wykorzystanie danych CGM poprzez zastosowanie technik uczenia maszynowego. Wyniki tych badań pomogą poprawić stan zdrowia pacjentów z cukrzycą.

Metody. Jest to analiza retrospektywna. Badacze zdeidentyfikują i przeanalizują 120 pacjentów z T1D, którzy używali czujnika CGM przez ostatnie trzy miesiące. Dane CGM z ostatnich 15 dni zostaną przeanalizowane i różne cechy zmienności glukozy, takie jak czas w zakresie (TIR), współczynnik zmienności (CV), średnia amplituda wahań glikemii (MAGE), średnia dziennych różnic (MODD), ciągła ogólna wartość netto działanie glikemiczne (CONGA) zostanie wyodrębnione. Model uczenia maszynowego obliczy (przewiduje) HbA1c z 2-3 miesięcznym wyprzedzeniem na podstawie tych 15 dni danych CGM. Aby ocenić działanie proponowanego modelu prognostycznego, przewidywana HbA1c zostanie porównana z rzeczywistą HbA1c.

Przegląd badań

Status

Zakończony

Warunki

Interwencja / Leczenie

Szczegółowy opis

Jest to analiza retrospektywna. Badacze zdeidentyfikują i przeanalizują 120 pacjentów z T1D za pomocą systemu ciągłego monitorowania glukozy (CGM) przez ostatnie trzy miesiące. Dane CGM z ostatnich 15 dni zostaną przeanalizowane i różne cechy zmienności glukozy, takie jak czas w zakresie (TIR), współczynnik zmienności (CV), średnia amplituda wahań glikemii (MAGE), średnia dziennych różnic (MODD), ciągła ogólna wartość netto działanie glikemiczne (CONGA) zostanie wyodrębnione. Opracowany zostanie model uczenia maszynowego do przewidywania HbA1c z 2-3-miesięcznym wyprzedzeniem na podstawie tych 15-dniowych danych CGM. Model wykorzystuje regresję liniową, regresję z karą (regresja grzbietowa, regresja Lasso i regresja elastycznej sieci) w połączeniu wzmacniania gradientu w celu obliczenia predykcyjnego A1c

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

60

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Lokalizacje studiów

  • Katar
    • Qa
      • Doha, Qa, Katar, 26999
        • Sidra Medicine

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

2 lata do 18 lat (Dziecko, Dorosły)

Akceptuje zdrowych ochotników

Nie

Płeć kwalifikująca się do nauki

Wszystko

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Pacjenci z cukrzycą typu 1 i szybkim monitorowaniem glukozy

Opis

Kryteria przyjęcia:

  • Cukrzyca typu 1
  • Błyskawiczny system monitorowania glukozy

Kryteria wyłączenia:

  • Mniej niż 70% danych CGM w ciągu ostatnich 90 dni.

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Różnica między przewidywanym poziomem A1c z danych CGM a rzeczywistym poziomem A1c z EMR
Ramy czasowe: 3 miesiące
Różnica (%) między przewidywanym A1c a laboratoryjnym A1c z Elektronicznej Dokumentacji Medycznej
3 miesiące

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Sidra Medical and Research Center

Śledczy

  • Główny śledczy: Marwa Qaraqe, PhD, Hamad Bin Khalifa University, Doha
  • Główny śledczy: Hasan Abbas, PhD, TAMUQ, Doha

Publikacje i pomocne linki

Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.

Publikacje ogólne

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Rzeczywisty)

1 czerwca 2020

Zakończenie podstawowe (Rzeczywisty)

31 sierpnia 2020

Ukończenie studiów (Rzeczywisty)

30 grudnia 2020

Daty rejestracji na studia

Pierwszy przesłany

27 marca 2019

Pierwszy przesłany, który spełnia kryteria kontroli jakości

28 marca 2019

Pierwszy wysłany (Rzeczywisty)

1 kwietnia 2019

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

28 września 2021

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

26 września 2021

Ostatnia weryfikacja

1 września 2021

Więcej informacji

Terminy związane z tym badaniem

Dodatkowe istotne warunki MeSH

Inne numery identyfikacyjne badania

  • 2019003271

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIEZDECYDOWANY

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .

Subskrybuj